深度学习中inference是指什么

Question

如题所述

Answer 1

深度学习中inference是指：n. 推理；推论；推断；结论

一、读音：英 ['ɪnfərəns]；美 ['ɪnfərəns] 　 　

二、例句：

The application of law mainly uses deductive inference or syllogist inference.

法官适用法律中主要运用演绎推理或三段论推理。

三、词汇用法/搭配：

1、confidence inference 置信推断

2、inference network 推理网络

3、language inference 语言推理

扩展资料：

近义词：conclusion

一、意思：n. 结尾；结论；结束

二、读音：英 [kən'kluːʒn]；美 [kən'kluːʒn] 　 　

三、例句：

I found the conclusion of her story very exciting.

我觉得她那故事的结尾很激动人心。

四、词汇用法/搭配：

1、accept sb's conclusion 同意某人的结论

2、seek a conclusion to sth 设法了结某事

Answer 2

深度学习中的Inference 更多的是泛指一般的推理推断的用语deduction ，是逻辑学的术语,也就是一种专业名词，推理：由已知条件,或公理推出一个定律；induction 是逻辑学的术语,归纳：有特殊事例的列举,归纳出一般性结论。
深度学习框架也就像Caffe、tensorflow这些帮助你进行深度学习的工具，简单来说就是库，编程时需要import caffe。作一个简单的比喻，一套深度学习框架就是这个品牌的一套积木，各个组件就是某个模型或算法的一部分，你可以自己设计如何使用积木去堆砌符合你数据集的积木。好处是你不必重复造轮子，模型也就是积木，是给你的，你可以直接组装，但不同的组装方式，也就是不同的数据集则取决于你。深度学习框架的出现降低了入门的门槛，你不需要从复杂的神经网络开始编代码，你可以依据需要，使用已有的模型，模型的参数你自己训练得到，你也可以在已有模型的基础上增加自己的layer，或者是在顶端选择自己需要的分类器。当然也正因如此，没有什么框架是完美的，就像一套积木里可能没有你需要的那一种积木，所以不同的框架适用的领域不完全一致。
扩展资料：
深度学习主要包括神经网络、BP反向传播算法、TensorFlow深度学习工具。
神经网络主要需要：
从生物神经元到人工神经元
激活函数Relu、Tanh、Sigmoid
透过神经网络拓扑理解逻辑回归分类
透过神经网络拓扑理解Softmax回归分类
透过神经网络隐藏层理解升维降维
剖析隐藏层激活函数必须是非线性的原因
神经网络在sklearn模块中的使用
水泥强度预测案例及绘制神经网络拓扑
BP反向传播算法主要包括：
BP反向传播目的
链式求导法则
BP反向传播推导
不同激活函数在反向传播应用
不同损失函数在反向传播应用
Python实现神经网络实战案例
TensorFlow深度学习工具主要包括：
TF安装（包含CUDA和cudnn安装）
TF实现多元线性回归之解析解求解
TF实现多元线性回归之梯度下降求解
TF预测california房价案例
TF实现Softmax回归
Softmax分类MNIST手写数字识别项目案例
TF框架模型的保存和加载
TF实现DNN多层神经网络
DNN分类MNIST手写数字识别项目案例
Tensorboard模块可视化
更多关于深度学习的知识，想要了解，请私信询问。

Answer 3

Inference 更多的是泛指一般的推理推断的用语
deduction 是逻辑学的术语,既专业名词-推理：由已知条件,或公理推出一个定律；
induction 是逻辑学的术语,归纳：有特殊事例的列举,归纳出一般性结论.本回答被提问者采纳

Answer 4

你可能是在代码里看到的inference,实际上inference就是用训练好的模型去做预测，也就是test或是predict